人間による二次元キャラクタの動作摸倣のための学習支援システムの設計と実装

全文

(1)Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report. 人間による二次元キャラクタの動作摸倣のための学習支援システムの設計と実装田中大賀1,a). 寺田努1,2,b). 村尾和哉3,c). 塚本昌彦1,d). 概要：近年，キャラクタショーのように二次元のキャラクタを演じる舞台が数多く行われている．二次元のキャラクタを人間が演じることは難しく，繰り返し練習する必要がある．本研究では，人間が二次元キャラクタになりきるために，3D モデルとモーションキャプチャを用いた二次元キャラクタの動作摸倣のための学習支援システムを提案し，システム使用時の人間の動作の再現度とキャラクタらしさをアンケート評価を用いて調査した．キャラクタが一回転半回ってから右手でポーズを決める動作では従来手法と比較して提案手法により，動作のキャラクタらしさにおいて提案手法が有効であることを示した．. 倣する必要がある．キャラクタ性とは，主に外見や声，動. 1. はじめに. 作により表現されるものである [1]．外見は化粧や衣装で模. テレビアニメーション（以下，アニメ）に登場するキャ. 倣でき，声は事前にアニメで使用されている音声を録音し. ラクタはアニメ特有の言動や所作を行う点で，現実の人間. て使用することで模倣できる．一方で，動作は容易に模倣. とは異なる魅力をもっており，多くの人の心を惹きつけて. する術がなく，通常は出演者が鏡や自身を撮影した映像を. いる．アニメ特有の魅力を現実で再現する場として，大人. 確認しながらキャラクタの動作を繰り返し練習して体得し. が子供向けアニメ番組のキャラクタになりきって舞台で. ている．しかしながら，アニメのキャラクタは二次元で表. ショーを行うキャラクタショーがある．近年では，人気ア. 現されており，3D モデルで表現されていたとしてもアニ. ニメやゲームを原作として制作される舞台などの演劇作品. メの映像からキャラクタの動作を詳細に把握し，忠実に模. は 2.5 次元ミュージカル. *1 *2. と呼ばれ，キャラクタショー. 倣することは難しい．また，出演者とアニメのキャラクタ. とは異なる映像や照明の演出によって，子供だけでなく大. の体格の不一致により，演じるキャラクタの動作に違和感. 人も楽しめるコンテンツとなっている．このように，アニ. が生じる．そこで本研究では，出演者が二次元キャラクタ. メキャラクタのもつ魅力を現実の世界に取り入れる動きが. の動作を違和感なく模倣できることを目指し，モーション. 活発になりつつある．キャラクタショーや 2.5 次元ミュー. キャプチャシステムを利用して取得した人間の身体情報を. ジカルなどの臨場感を高めるには，出演者は自身が演じる. 用いてキャラクタの 3D モデルを動かして視覚的にフィー. キャラクタの性質（以下，キャラクタ性）を熟知したうえ. ドバックすることで，出演者が自身の身体を動かしながら. で，言葉遣いや身なりなど，そのキャラクタのすべてを模. その状態でのキャラクタの動作を確認できる，人間による二次元キャラクタの動作模倣のための学習支援システムを. 1. 2. 3. a) b) c) d) *1 *2. 神戸大学大学院工学研究科 Graduate School of Engineering, Kobe University 科学技術振興機構さきがけ PRESTO, Japan Science and Technology Agency 立命館大学情報理工学部 School of Information Science and Engineering, Ritsumeikan University [email protected] [email protected] [email protected] [email protected] 一般社団法人日本 2.5 次元ミュージカル協会 https://www.j25musical.jp/ ニコニコ大百科 : 2.5 次元ミュージカルとは (ニテンゴジゲンミュージカルとは) http://dic.nicovideo.jp/a/2.5 次元ミュージカル. c 2017 Information Processing Society of Japan ⃝. 提案する．以降，2 章では関連研究を紹介し，3 章では提案システムについて延べる．4 章では評価実験について述べ，5 章で本研究のまとめと今後の課題を述べる．. 2. 関連研究本章では，キャラクタ性に関する研究，キャラクタになりきる技術の研究，およびモーションキャプチャを用いた動作解析の研究を紹介する．. 1.

(2) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report. 2.1 キャラクタ性に関する研究 Ondrej ら [1] は 3D キャラクタの声，表情，動作，外見. 作の評価はされていない．幸村ら [9] は二次元アニメキャラクタから三次元的な動きを作り出す手法を研究している．. を変化させることによるキャラクタの印象の変化を調査. この研究では，あらかじめ用意した二次元アニメのキャラ. し，キャラクタの印象を決める重要な要素として外見，声，. クタの 3D モデルを用いて二次元アニメのキャラクタの動. 動作を挙げている．この調査の対象はコンピュータで描画. 作を三次元で復元しているが，二次元アニメのキャラクタ. された人間の 3D モデルのキャラクタであり，本研究が対. の動作をするのは 3D モデルであり，人間ではない．また，. 象とするキャラクタの動作を取得し披露する実際の人間で. 海老原ら [10] は誰もが歌舞伎役者に変身可能なバーチャル. はない．白岩ら [2] はアニメのキャラクタにおける外見と. 歌舞伎システムを提案している．この研究では，演技者の. 声の矛盾による観測者に与える印象の影響を評価してい. 全身の動きと表情を CCD カメラと赤外線カメラを用いて. る．この研究では外見のデザインが単調なキャラクタと精. 検出し，検出した動きを歌舞伎役者の動きとして 3D の歌. 巧なキャラクタに対し，ロボットのような合成音声と人が. 舞伎役者モデルで再現するものであるが，3D の歌舞伎役. 発した音声の組合せにて，観測者に与える印象を調査して. 者モデルと模倣者の体格差については考慮されていない．. いる．牟田 [3] は，かわいいやかっこいいなどキャラクタから感じる印象を日本人を対象に調査している．しかし，. 2.3 キャラクタモデルの生成に関する研究. 実際にその場でキャラクタ映像を提示して受ける印象の調. モーションキャプチャシステムを用いた動作解析やモー. 査ではなくアンケート対象者の記憶にあるキャラクタのイ. ション作成が行われている．今間ら [11] は現実世界の物理. メージであるため，キャラクタの印象の評価が曖昧である．. 法則に則っていないが，人間がリアルに感じることができ. 岩野ら [4] は，女性キャラクタの身体的特徴の定性的分析. るアニメ中で用いられる誇張表現であるメンタルモーショ. を行っている．女性キャラクタの体つきを分析することで. ンをモーションキャプチャと加速度センサを用いて取得し，. キャラクタを描き分けるためのキャラクタデザイン支援環. 取得したデータをもとに 3D モデルを変形させてメンタル. 境の提案に向けた議論をしている．本林ら [5] は体格の異. モーションの 3D モデルを作成した．Kuratate ら [12] は人. なるキャラクタに対する動作生成方法として，歩行動作の. 間の顔と頭にマーカをつけて顔と頭の動きを取得し，得ら. ような既存の動作データを基にユーザが生成したい動作. れたデータから会話アニメーションを作成する手法を提案. に類似したものを抽出し，それを部分的に再利用，補足す. している．このように人間やキャラクタの動作を取得，作. ることで新しい動作を生成する手法を提案している．動作. 成することにおいてモーションキャプチャは有効であると. データを採取した人物と異なる体格のキャラクタに動作を. 考えらるため本研究においても用いる．. 適用する場合，そのまま体の動きを直接適用してもキャラクタらしい動きが得られるとは限らないと述べているが，. 3. 提案システム本章では，対象とする二次元キャラクタについて説明し，. 本研究が対象とするキャラクタを演じる人間（以下，模倣者）がキャラクタを演じる動作は複数あり，このシステム. システム要件，およびシステム構成を詳細に述べる．. ではあらかじめ類似する動作を大量に取得しておく必要があるため，提案システムには不向きである．Rhodin ら [6]. 3.1 対象とする二次元キャラクタ. は非人間型のキャラクタをジェスチャによってリアルタイ. 漫画やアニメなどに登場する二次元キャラクタには，骨. ムで動かす手法を提案している．ユーザのジェスチャを認. 格の構成が人間と同じ人型キャラクタと骨格の構成が人間. 識し，仮想空間のキャラクタを自然に動かすことができる. とは異なる非人型キャラクタが存在する．例えば，TV ア. が，キャラクタらしく動いているのは仮想空間のキャラク. ニメ「ドラえもん」*3 に登場する野比のび太は人型キャラ. タであり本研究が対象とするキャラクタの動作を取得し披. クタであるが，ドラえもんは非人型キャラクタである．ま. 露する実際の人間ではない．. た，通常時は人間でも体の一部が変化するキャラクタや，骨格の構成が人間と同じだが 1 頭身であるキャラクタなど. 2.2 キャラクタになりきる技術の研究. は非人型キャラクタである．非人型キャラクタの模倣には. 堀田ら [7] は複合現実感技術によって人間が映像作品の. 着ぐるみなど特殊なスーツの着用を考慮して動作を練習し. ヒーローになりきる変身エンタテインメントの研究を行っ. なくてはならないため、人型キャラクタの模倣とは異なる. ている．この研究では，ビデオシースルー型 HMD と全身. アプローチが必要であると考えられる。従って、本研究で. を使ったジェスチャインタフェースによって，ユーザ自身. は骨格の構成が人間と同じ人型キャラクタのみを対象と. の身体が変化し能力が拡張されている感覚を向上させてい. し、非人型キャラクタは対象としないこととする.. る．岡部ら [8] はアニメキャラクタなどに扮するコスプレにおけるポーズの他者との協働的構築に関する研究を行っている．しかしながら，ポージングの評価はしているが動. c 2017 Information Processing Society of Japan ⃝. *3. TV アニメ「ドラえもん」 http://www.tv-asahi.co.jp/doraemon/. 2.

(3) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report. 3.2 対象とする動作. を用いる．このモーションキャプチャシステムでは，17 個. 模倣者と体格の異なるキャラクタの動作を模倣する際. の慣性センサが取り付けられたスーツ（以下，モーション. に，例えば模倣者より腕が長いキャラクタが手を顔の横に. キャプチャスーツ）を使用する．被験者はモーションキャ. 挙げる動作では，手は顔の横に来るが，腕が長いため上腕. プチャスーツを着るだけで 17 点の関節の位置を取得でき. の位置は低くなる．この動作を人間である模倣者が模倣す. るため，模倣者の動作範囲が制限されることはない．. るには. • 手を顔の横に持ってくる． • 肩を同じように曲げる．. 本システムで使用する 3D モデルはネット上で配布されているものを用いた．これらの 3D モデルの多くは関節が. 17 点以上あるため，モーションキャプチャスーツと 3D モ. の 2 パターンが考えられる．前者は手の相対的な座標が. デルの関節の対応は図 2 のようにする．模倣者はモーショ. キャラクタと類似するが，肩の角度が異なる．後者は手の. ンキャプチャスーツを着用して手本動作となるアニメ映像. 相対的な座標は異なるが，肩の角度がキャラクタと類似す. を見てキャラクタの動作を模倣し，摸倣時の動作データを. る．人型のキャラクタに関して，例えばつま先を触る，ス. 取得する．模倣者の体格をキャラクタの体格にあわせるこ. イッチを押すなどの特定の箇所に行動を起こす動作は前者. とで両者の体格差を考慮でき，キャラクタの 3D モデルが. の座標を合わせる方がキャラクタらしく感じられる可能性. 違和感無く動くように人間が動作した場合，その際の人間. があるが，対象物を指すのではなくポーズとしての動作の. の動作も違和感が無いのか検証することができる．. 場合は，後者の角度を合わせる方がキャラクタらしく感じ. モーションキャプチャで取得した関節の動作データを. られる可能性がある．本研究では，まずポーズとしての動. 3D モデルの関節に反映させるために，PC 側のソフトウェ. 作を対象とする．. ア開発には Unity. *5. を用いる．Xsens MVN モーション. キャプチャシステムの動作データを記録するソフトウェア. 3.3 システム要件. の MVN Studio. *6. と Unity のアセットストアにて配布さ *7. 提案システムの要件として以下が考えられる．. れている MVN LIVE Animation. • 模倣者の動作を制限しない動作データの取得. ラクタ動作摸倣時の動作データを PC に送信し，リアルタ. を用いて模倣者のキャ. 人間の動作データを取得するシステムとして Microsoft. イムでキャラクタの 3D モデルに適用させることで，キャ. 社の Kinect が広く一般的に普及しているが，Kinect. ラクタの 3D モデルをリアルタイムで動かすことができる．. はカメラの撮影範囲内にいる人間の動作しか認識でき. これにより，模倣者はリアルタイムで自身の動作を確認で. ない．そのため，大きく移動する動作のデータを取得. きる．. できない場合がある．提案システムは模倣者の動作範. 本システムでは，事前に手本となるアニメのキャラクタ. 囲を制限することなく動作データを取得することが求. と体格が同じ 3D モデルを PC 上に準備しておき，模倣者. められる．. とモデルの関節の角度の初期位置を合わせるために，模倣. • 体格差の考慮. 者および 3D モデルの初期ポーズを図 2 に示すように T. キャラクタの動作模倣時において，模倣者と二次元. の形にすることで，キャリブレーションを行う．模倣者は. キャラクタの体格は必ずしも一致しないため，模倣者. モーションキャプチャスーツを着用して手本動作となるア. の動作に差異が生じる．現実で模倣者とキャラクタの. ニメ映像を見てキャラクタの動作を模倣し，摸倣時の動作. 体格を一致させることは不可能であるため，仮想的に. データを取得する．取得した動作データを PC に送信し，. 模倣者とキャラクタの体格を一致させることが求めら. リアルタイムでキャラクタの 3D モデルに適用させること. れる．. で，模倣者は手本動作とリアルタイムで動くキャラクタの. • リアルタイムフィードバック模倣者がキャラクタの動作とキャラクタ性を身体感覚と関連付けて習得するために，模倣者がリアルタイムで自身の動作を確認できるフィードバックが求めら. 3D モデルを比較しながら繰り返し動作を練習することで手本となるキャラクタの動作に近づける．. 4. 評価実験提案手法の有効性を評価するために，自身の動作を鏡で. れる．. 確認しながら動作を繰り返し練習する従来手法と提案シス. 3.4 システム構成. テムを用いて動作を繰り返し練習する提案手法を用いた場. 本研究では前述の要件を満たすシステムを提案する．システム構成図を図 1 に示す．提案システムでは模倣者は. *5. Xsens 社の Xsens MVN モーションキャプチャシステム *4. *6. *4. *7. Xsens MVN: Products - Xsens 3D motion tracking https://www.xsens.com/products/xsens-mvn/. c 2017 Information Processing Society of Japan ⃝. Unity - Game Engine http://japan.unity3d.com/ MVN Studio (Pro) Software https://www.xsens.com/mvn-studio-pro/ MVN Live Animation - アセットストア - Asset Store - Unity https://www.assetstore.unity3d.com/jp/content/11338. 3.

(4) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report. り上げた．手本動作 1 ではキャラクタが前かがみで地団駄. 身.

(5) . を踏むような動作，手本動作 2 ではキャラクタが真上に上げた右手をゆっくり降ろしてから両手を上に振り上げる動作，手本動作 3 ではキャラクタが両腕をサイドに振ってか Mvn Studio PositionRo PitchYaw &'. 5.5 cm. ら両手を胸の前でギュッとする動作，手本動作 4 ではキャラクタが一回転半回ってから右手でポーズを決める動作を. . 手本動作とした．図 3 にそれぞれ手本動作 1，2，3，4 に. 15;<=>?@> A5B. 25+ 67. PC&'. C7D'E. おいて提案システムで用いたキャラクタの 3D モデルを示す．キャラクタの 3D モデルはニコニコ動画 *12 ，ニコニコ静画 *13 ，にて配布されているもので筆者らが似ていると. MVN Studio. MVN Live Animation. 25+D'. 25+ HIJK5L. AJ(5MN. Unity ()*+,-. 3D12*3示. PC. 図 1. 非. LeftHand. RightHandEnd LeftArm. RightShouder Spine Spine. Head. LeftUpLeg. LeftArm. Torso. Torso. LeftWrist. LeftHip. LeftLeg RightKnee. RightFoot. LeftEbow. RightArm. RightHip RightLeg. LeftShouder. RightEbow RightWrist. RightUpLeg. LeftFoot. は手本動作をそれぞれ従来手法，提案手法で満足するまで練習した．キャラクタらしさの主な要因である外見・声・動作のうち，本実験で評価するのは動作であるため，従来. LeftHandEnd RightArm. では 2 つのモニタのうち 1 つのモニタで常に手本動作を再クタの 3D モデルを見ながら動作を練習する．被験者 6 名. LeftShouder. RightHand. 者は，従来手法では 1 つのモニタで常に再生されている手本動作を見ながら全身が映る鏡で動作を練習し，提案手法生し，もう 1 つのモニタで自身の動きが適用されたキャラ. システム構成. Head RightShouder. 判断したものを使用した．実験の様子を図 4 に示す．被験. RightFoot. LeftKnee LeftFoot. 手法，提案手法ともに被験者は模倣時にモーションキャプチャスーツを着用して外見の摸倣は行わず，また声の模倣も行わなかった．また，手本動作はいつでも被験者が自由に確認できるものとした．実験後，被験者には実験への参加意欲を「1. まったくなかった」「2. なかった」「3. どちらともいえない」「4. あっ. 図 2 関節の対応. た」「5. とてもあった」の 5 段階のリッカート尺度で自己評価させ，実験を通して気になった点を記述させた．各被. 合で，キャラクタの動作の再現度を比較した．. 験者の実験は 1 日で行った．各手本動作の練習が終了した時点での各被験者の動作をビデオカメラで撮影し，手本映. 4.1 実験環境 4 種類の手本動作 1，2，3，4 を用意し，21∼27 歳の男性 4 名の被験者 A，B，C，D と 21∼22 歳の女性 2 名の被験者 E，F にそれぞれの手本動作を，従来手法と提案手法を用いて練習させた．各被験者における手本動作と練習手法の対応を表 1 に示す．被験者の模倣する手本動作と従来手法，提案手法の組合せは全てランダムで決定した．各動作は 3 秒程度である．手本動作 1 としてローゼンメイデントロイメント，*8 手本動作 2 としてのんのんびより，*9 手本動作 3 としてアイドルマスター，*10 手本動作 4 としてプリパラ，*11 のアニメ映像から手本動作を一つずつ取 *8. *9. *10. *11. TV アニメ「ローゼンメイデントロイメント」 http://www.tbs.co.jp/rozen-maiden/part2/ (c)1995-2017, Tokyo Broadcasting System Television, Inc. TV アニメ「のんのんびよりりぴーと」 http://nonnontv.com/ (c)2015 あっと・KADOKAWA 刊/ 旭丘分校管理組合二期 TV アニメ「アイドルマスター」 http://www.idolmaster-anime.jp/tv/index2.html (c)BNGI/ PROJECT iM@S TV アニメ「プリパラ」 http://www.tv-tokyo.co.jp/anime/pripara/ (c)T-ARTS/ syn Sophia/ テレビ東京/ PP3 製作委員会. c 2017 Information Processing Society of Japan ⃝. 像として使用したアニメ映像のキャラクタに詳しい被験者（以降，有識者）延べ 24 名と，そうでない被験者（以降，一般者）延べ 17 名に後日撮影した映像を見せ，被験者の全体の動作の再現度を「1. まったく似ていない」「2. 似ていない」「3. どちらともいえない」「4. 似ている」「5. 非常に似ている」の 5 段階のリッカート尺度で評価させ，そう判断した理由を記述させた．なお，有識者および一般者に被験者 A∼F は含まれていない．有識者には追加の項目として，被験者の全体の動作のキャラクタらしさを「1. まったくキャラクタらしくない」「2. キャラクタらしくない」「3. どちらともいえない」「4. キャラクタらしい」「5. 非常にキャラクタらしい」の 5 段階のリッカート尺度で評価させ，そう判断した理由と判断基準を記述させた．なお，表情による動作の再現度とキャラクタらしさの判定への影響を排除するため，撮影した映像中の被験者の顔に黒いマス *12 *13. ニコニコ動画 http://www.nicovideo.jp/ ニコニコ静画 http://seiga.nicovideo.jp/. 4.

(6) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report 表 1. 各手本動作と被験者に対応する動作模倣の手法. 被験者. 手本動作 1. 手本動作 2. 手本動作 3. 手本動作 4. 被験者 A. 提案手法. 従来手法. 従来手法. 提案手法. 被験者 B. 従来手法. 提案手法. 提案手法. 従来手法. 被験者 C. 提案手法. 提案手法. 従来手法. 従来手法. 被験者 D. 従来手法. 従来手法. 提案手法. 提案手法. 被験者 E. 従来手法. 提案手法. 従来手法. 提案手法. 被験者 F. 提案手法. 従来手法. 従来手法. 提案手法. 手. . (a) 従来手法での練習の様子. 3D. (a) 手本動作 1. *14. (b) 手本動作 2. 手

(7) . *15. . (b) 提案手法での練習の様子図 4. 評価実験環境. 回った．. 4.2.2 手本動作 2 3 名の一般者と 4 名の有識者に被験者の全体の動作の再現度とキャラクタらしさを評価させた．一般者と有識者に (c) 手本動作 3. *16. (d) 手本動作 4. *17. よる被験者の全体の動作の再現度の評価値平均を表 2 に示す．一般者による評価は，従来手法では 3.44，提案手法で. 図 3. ぞれぞれの手本動作で使用したキャラクタ 3D モデル. は 3.00 と提案手法が従来手法を下回った．有識者による評価は，従来手法では 2.67，提案手法では 2.75 と提案手法. クをかけている．. が従来手法をわずかに上回った．有識者による被験者の全体の動作のキャラクタらしさの評価値平均を表 3 に示す．. 4.2 実験結果. 従来手法では 2.08，提案手法では 2.67 と提案手法が従来. 4.2.1 手本動作 1. 手法を上回った．. 5 名の一般者と 5 名の有識者に被験者の全体の動作の再現度とキャラクタらしさを評価させた．一般者と有識者に. 4.2.3 手本動作 3 4 名の一般者と 6 名の有識者に被験者の全体の動作の再. よる被験者の全体の動作の再現度の評価値平均を表 2 に示. *14. す．一般者による評価は，従来手法では 2.80，提案手法で. *15. は 3.07 と提案手法が従来手法を上回った．有識者による評価は，従来手法では 2.60，提案手法では 3.20 と提案手法. *16. が従来手法を上回った．有識者による被験者の全体の動作のキャラクタらしさの評価値平均を表 3 に示す．従来手法では 2.47，提案手法では 2.73 と提案手法が従来手法を上. c 2017 Information Processing Society of Japan ⃝. *17. 【MMD】碧彩式雛苺 http://seiga.nicovideo.jp/seiga/im3487392 【MMD モデル配布】宮内れんげ http://seiga.nicovideo.jp/seiga/im5097865 【MMD モデル配布】アイドルマスター 1 カジュアルパック Ver.2.0a http://www.nicovideo.jp/watch/sm18223228 【第 16 回 MMD 杯本選】私立パプリカ学園小学部:WAVE【プリパラ】 http://www.nicovideo.jp/watch/sm28208081. 5.

(8) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report 表 2. 評価値が，一般者による動作の再現度の評価値を除いてと. 手本動作ごとの全体の動作の再現度の評価. 手本動作. 1. 2. 3. 4. 手法. 従来手法. 提案手法. 従来手法. 提案手法. 従来手法. 提案手法. 従来手法. 提案手法. 被験者. A, C, F. B, D, E. A,D,F. B,C,E. A,C,E,F. B, D. B,C. A,D,E,F. 一般者. 2.80. 3.07. 3.44. 3.00. 3.13. 3.13. 2.20. 2.95. 有識者. 2.60. 3.20. 2.67. 2.75. 2.92. 2.25. 2.39. 2.86. 評価値平均. もに提案手法が従来手法を上回ったが，有意差はみられなかった．手本動作 3 に関しては，有識者による被験者の全体の動作の再現度の評価値とキャラクタらしさの評価値が. 表 3. 手本動作ごとの全体の動作のキャラクタらしさの評価. 手本動作. 1. 2. 3. 4. 手法. 従来手法. 提案手法. 従来手法. 提案手法. 従来手法. 提案手法. 従来手法. 提案手法. 被験者. A, C, F. B, D, E. A,D,F. B,C,E. A,C,E,F. B, D. B,C. A,D,E,F. 2.47. 2.73. 2.08. 2.67. 2.83. 2.33. 2.11. 2.86. 評価値平均. 有識者. ともに提案手法が従来手法を下回った．図 5 に手本動作. 3 における被験者ごとの動作の再現度とキャラクタらしさの評価値平均を示す．図 5 より，手本動作 3 を提案手法で練習した B，D の評価値平均が小さいことがわかる．これ. 現度とキャラクタらしさを評価させた．一般者と有識者に. より，手本動作 3 における提案手法の評価値の低下は，被. よる被験者の全体の動作の再現度の評価値平均を表 2 に示. 験者によるものだと考えられる．また，被験者全体の動作. す．一般者による評価は，従来手法では 3.13，提案手法で. の再現度の評価値平均と被験者全体の動作のキャラクタら. は 3.13 と従来手法と提案手法で同じ値となった．有識者. しさの評価値平均の差より，動作の再現度と動作のキャラ. による評価は，従来手法では 2.92，提案手法では 2.25 と提. クタらしさは必ずしも一致しないことがわかった．特に手. 案手法が従来手法を下回った．有識者による被験者の全体. 本動作 4 について有識者の判断理由より，手本動作のキャ. の動作のキャラクタらしさの評価値平均を表 3 に示す．従. ラクタは回転に失敗した時に手をばたばたさせたりしりも. 来手法では 2.83，提案手法では 2.33 と提案手法が従来手. ちをついたり、かわいい動き，またコミカルなリアクショ. 法を下回った．. ンを取るイメージであるため，摸倣を達成できていない動. 4.2.4 手本動作 4. 作はその失敗後のリアクションの大きさの順で決めたとあ. 5 名の一般者と 9 名の有識者に被験者の全体の動作の再. り，動作の再現度と動作のキャラクタらしさが必ずしも一. 現度キャラクタらしさを評価させた．一般者と有識者によ. 致しないことを裏付けている．次に，提案システムを使用. る被験者の全体の動作の再現度の評価値平均を表 2 に示. する模倣者は一般人でも有識者でも構わないが，模倣者が. す．一般者による評価は，従来手法では 2.20，提案手法で. 動作を披露する相手は有識者であり，一般者と有識者で動. は 2.95 と提案手法が従来手法を上回った．有識者による. 作の再現度の評価に明らかな差はなかったため，今後模倣. 評価は，従来手法では 2.39，提案手法では 2.86 と提案手法. 者の動作の評価を行うのは模倣者が動作を披露する対象で. が従来手法を上回った．有識者による被験者の全体の動作. ある有識者のみとする．. のキャラクタらしさの評価値平均を表 3 に示す．従来手法では 2.11，提案手法では 2.86 と提案手法が従来手法を上回った．. 4.4 被験者アンケートの結果手本動作を摸倣した 6 名の被験者に実験への参加意欲を. 5 段階で自己評価させたが，6 名とも「あった」と回答した 4.3 実験まとめ. ため，被験者の実験への参加意欲による評価値への影響は. 手本動作 1，2，3，4 で延べ 17 名の一般者と 24 名の有. 考慮しなかった．被験者のコメントより，従来手法では鏡. 識者に被験者の全体の動作を評価させた．動作の再現度に. を見ながら練習するため練習時は自身が動いているだけだ. 関して，模倣者による動作の再現度の違いはないとみな. が，提案手法では練習時にキャラクタの 3D モデルが動く. し，動作模倣に用いた手法と手本動作の 2 要因の分散分析. ため摸倣するキャラクタに近づくことができたと感じたと. を行った結果，手法間において交互作用がみとめられたの. あった．これより，提案手法では模倣者の体格をキャラク. で単純主効果の検定を行った結果，動作の再現度では有意. タの体格に変換したことによる影響のほかに，模倣者の外. 差は見られなかった．動作のキャラクタらしさに関して，. 見をキャラクタに変換したことによる影響も加わっていた. 模倣者によるキャラクタらしさの違いはないとみなし，動. と考えることができる．. 作模倣に用いた手法と手本動作の 2 要因の分散分析を行った結果，手法間において交互作用がみとめられたので単純. 5. まとめ. 主効果の検定を行った結果，手本動作 4 について有意差が. 本研究では 3D モデルとモーションキャプチャを用いた. みられた．これより，手本動作 4 において従来手法に比べ. 人間による二次元キャラクタの動作模倣のための学習支援. て提案手法の方がキャラクタらしく動作するには有効であ. システムを提案した．提案手法では模倣者は自身の動作と. ると考えられる．. リアルタイムで同期して動くキャラクタと同じ体格の 3D. 手本動作 1 に関しては，被験者の全体の動作の再現度と. モデルを見ながら動作を摸倣する．6 名の被験者はそれぞ. キャラクタらしさの評価値がともに提案手法が従来手法を. れ 4 種類の手本動作を，従来手法と提案手法を用いて練習. 上回ったが，有意差はみられなかった．手本動作 2 に関し. し，練習が完了した時点の被験者の動作を撮影した映像を. ては，被験者の全体の動作の再現度とキャラクタらしさの. 3∼5 人の一般者と 4∼9 人の有識者に見せ，手本動作にど. c 2017 Information Processing Society of Japan ⃝. 6.

(9) Vol.2017-HCI-173 No.5 Vol.2017-EC-44 No.5 2017/6/1. 情報処理学会研究報告 IPSJ SIG Technical Report. 参考文献 [1]. 5 . 3. [2]. . [3]. A. B. C. D. E. F [4]. (a) 有識者による動作の再現度の評価値平均. [5]. [6]. 5 . 3 [7]. A. B. C. D. E. F. [8]. (b) 有識者による動作のキャラクタらしさの評価値平均. [9]. 図 5 被験者ごとの評価値平均. [10]. [11]. れだけ似ているか，またどれだけキャラクタらしいかを 5 段階で評価させ，そう判断した理由と判断基準を記述させた．評価実験より，キャラクタが一回転半回ってから右手でポーズを決める動作では従来手法と比較して提案手法により，動作のキャラクタらしさにおいて有意な差がみられ，. [12]. J. Ondrej, C. Ennis, and N. Merriman: FrankenFolk: Distinctiveness and Attractiveness of Voice and Motion, Journal of ACM Transactions on Applied Perception (TAP 2016), Vol. 13, No. 4, p. 20 (July 2016). 白岩元気, 野村竜也: アニメーションキャラクターにおける外見と音声の矛盾の影響, 研究報告ヒューマンコンピュータインタラクション (2012-HCI-146), Vol. 2012, No. 13, pp. 1–6 (Jan. 2012). 牟田淳: キャラクターから感じる印象の研究, 東京工芸大学芸術学部紀要, Vol. 21, pp. 27–40 (Mar. 2015). 岩野成利, 橋田光代, 片寄晴弘: 女性アニメキャラクタの身体的特徴の定性的分析, 全国大会講演論文集, Vol. 72, No. コンピュータと人間社会, pp. 891–892 (Mar. 2010). 本林正裕, 原口誠: 様々な体格のキャラクタに対する同化動作生成手法, Visual computing グラフィクスと CAD 合同シンポジウム 2003 予稿集, pp. 75–80 (June 2003). H. Rhodin, J. Tompkin, K. In Kim, E. de Aguiar, H. Pfister, H. Seidel, and C. Theobalt: Generalizing wave gestures from sparse examples for real-time character control, ACM Transactions on Graphics (TOG 2015), Vol. 34, No. 6, p. 181 (Nov. 2015). 堀田亮介, 大島登志一: MR-Cyborg Soldiers 複合現実感による変身エンタテインメントの実現, エンタテインメントコンピューティングシンポジウム 2013 論文集, pp. 227–231 (Sep. 2013). 岡部大介, 岡部愛, 平井智仁, 大谷紀子, 岩野公司: コスプレイヤーの協働的ポージング構築場面にみる物理的特徴の分析, 情報処理学会第 78 回全国大会講演論文集, Vol. 4, pp. 521–522 (Mar. 2016). 幸村琢, 村井将彦, 品川嘉久: アニメーションの人体動作の 3 次元復元 (コンテンツ制作のための形状処理と一般), 情報処理学会研究報告, 2000-CG-102, pp. 25–30 (Feb. 2001). 海老原一之, 楜沢順, 岩澤昭一郎, 大谷淳: バーチャル歌舞伎システム, 電子情報通信学会技術研究報告, pp. 61–67 (Feb. 1997). 今間俊博, 近藤邦雄, 栗山仁, 古家嘉之: モーションキャプチャデータを用いた加速度制御手法によるメンタルモーション生成, 図学研究, Vol. 39, No. 2, pp. 3–10(Aug. 2005). K. Takaaki, V. Eric, and Y. H. Camille: Cross-subject face animation driven by facial motion mapping, International Conference on Concurrent Engineering(ISPE 2003), pp. 971–979 (Jan. 2003).. 提案手法が有効であることを示した．また，一般人と有識者による模倣者の動作の再現度の評価に明らかな差はないことを示した．今後の課題として，キャラクタと模倣者の動作の角度を合わせる場合とキャラクタと模倣者の動作の座標を合わせる場合，どちらの動作がよりキャラクタらしいか明らかにすること，今回は対象とする動作から除外したが対象物を指すような動作を考慮することが挙げられる．また，今回は人型の二次元キャラクタしか考慮しなかったが，今後は非人型のキャラクタも考慮する．謝辞本研究の一部は，JST CREST(JPMJCR16E1) および JST さきがけ (JPMJPR15D4) の支援によるものである．ここに記して謝意を表す．. c 2017 Information Processing Society of Japan ⃝. 7.

(10)